BAB 1 PENDAHULUAN
1.1. Latar Belakang
Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam
memecahkan masalah pengontrolan. Logika fuzzy tidak membutuhkan model matematis yang kompleks untuk mengoperasikannya, yang dibutuhkan adalah
pemahaman praktis dan teoritis dari perilaku sistem secara keseluruhan. Untuk menghitung derajat yang tak terbatas jumlahnya antara benar dan salah, maka
dikembangkan ide penggolongan himpunan fuzzy. Pada logika tegas, sebuah individu dipastikan sebagai anggota salah satu himpunan saja, sedangkan pada
himpunan fuzzy sebuah individu dapat masuk pada dua himpunan berbeda. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat dari nilai
keanggotaannya. Secara umum fungsi keanggotaan suatu himpunan fuzzy dapat ditentukan dengan fungsi model segitiga triangle, trapesium trapeziodal,
kurva-S sigmoid, maupun varian dari kurva bell, seperti kurva phi, kurva beta, dan kurva gauss. Masing-masing bentuk fungsi diatas memiliki sifat yang
berbeda-beda.
Universita Sumatera Utara
Untuk mengatasi permasalahan himpunan dengan batas yang tidak tegas, L.A. Zadeh mengaitkan himpunan tersebut dengan fungsi yang menyatakan nilai
keanggotaan pada suatu himpunan yang tak kosong sembarang dengan mengaitkan pada interval [0,1] Zadeh, 1965. Himpunan tersebut disebut
himpunan fuzzy dan fungsi ini disebut fungsi keanggotaan membership function dan nilai fungsi disebut sebagai derajat keanggotaan. Dalam fuzzy sistem, fungsi
keanggotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan akurat.
Pengambilan keputusan dalam teknik fuzzy dilakukan dalam beberapa tahapan yaitu : pembentukan himpunan fuzzy fuzzification, penentuan
membership function, rule evaluation dan defuzzification. Rule evaluation merupakan konsep bagian utama dari fuzzy yang menjadi dasar untuk
menentukan sistem menjadi pintar atau tidak. Untuk mengatasi hal tersebut beberapa teknik sudah diterapkan antara
lain : Mengidentifikasi fungsi keanggotaan berdasarkan frekuensi dari fuzzy set yang dipilih Tamaki et al., 1999, menerapkan fungsi keanggotaan dalam
penentuan identifikasi kualitas yang lebih baik Boy et al., 2012, menerapkan fungsi keanggotaan logika fuzzy untuk memperoleh derajat keanggotaan suatu
nilai pada pemilihan telephone Hamdani, 2011, menerapkan Metode Fuzzy Mamdani dalam penentuan jumlah produksi yang optimum Djunaidi et al, 2005.
Dalam fuzzy terdapat beberapa model sistem inferensi, antara lain : metode Mamdani, metode Tsukamoto dan metode Sugeno TSK. Model-model
ini dapat digunakan karena penalaran menggunakan aturan IF-Then, namun
Universita Sumatera Utara
demikian bahwa ketiga model ini juga memiliki perbedaan khususnya pada hasil deffuzzyfikasi dimana metode Tsukamoto dan Mamdani menghasilkan output
berupa himpunan fuzzy, sementara Sugeno menghasilkan output berupa himpunan konstanta atau persamaan linier. Penalaran metode fuzzy Mamdani merupakan
metodologi yang paling mudah dipahami pembuatan metode ini berdasarkan karya ilmiah dari Lotfi Zadeh tentang algoritma fuzzy untuk sistem yang
kompleks dan digunakan dalam proses pengambilan keputusan. Metode Mamdani adalah suatu jenis inferensi sistem fuzzy dimana himpunan fuzzy yang merupakan
konsekuensi dari setiap aturan dikombinasikan dengan menggunakan operator aggregasi dan menghasilkan himpunan fuzzy yang kemudian di defuzzifikasikan
untuk menghasilkan keluaran tertentu dari suatu sistem. Berdasarkan uraian diatas maka pada penelitian ini penulis akan
menganalisa pada bagian membership function dengan membandingkan hasil fungsi derajat keanggotaan yang dibentuk model trapesium dan model sigmoid
dan diterapkan pada fuzzy inferensi sistem Sugeno Orde-Satu untuk mendapatkan pencapaian target maksimum.
1.2. Perumusan Masalah
Kategori